pyList

用python 实现中文与html实体相互转换

🕛 2014-12-16 23:27

一些网页会把中文转为html实体，做爬虫时就需要把html实体转换为中文，下面介绍使用python 对它们作相互转换。

用python 实现中文与html实体相互转换

html 实体

python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;

相互转换

把html 实体和中文互转：

import re

s = 'python 中文和html 实体相互转换'
# s = 'python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;'
print s

def convert_callback(matches):
    char_id = matches.group(1)
    try:
        return unichr(int(char_id))
    except:
        return char_id

s2 = re.sub("&#(\d+)(;|(?=\s))", convert_callback, s)

print s2

# print s2.decode('utf-8').encode('ascii','xmlcharrefreplace')
print s2.encode('ascii','xmlcharrefreplace')

输出

python & #20013;& #25991;& #21644;html & #23454;& #20307;& #30456;& #20114;& #36716;& #25442;
python 中文和html 实体相互转换
python & #20013;& #25991;& #21644;html & 23454;& #20307;& #30456;& #20114;& #36716;& #25442;
本文标签： python html 中文 实体 转换
本文网址: https://pylist.com/t/1418743651 （转载注明出处）
如果你有任何建议或疑问可以在下面 留言
发表第一条评论！
验证码图片
相关推荐

标签

python 格式 转换 常见 时间 print 中文 终端 正确 字符串 分割 英文 全角 半角 相互 json unicode 性能 转码 链接 安全 sae mail gmail 发送 csv 读写 文件 标准 字典 排序 最快 传说 html pytenjin 缓存 片段 页面 qq 时隔多年 网页 登录 互转 简体 繁体 golang opencc openwrt 国内 usb 上网卡 共享 网络 bbr 路由 开启 之坑 files open 服务 pickle string kvdb 牛云上 https encrypt 免费 攻略 u盘 mac diskutil 格式化 顽固 断言 类型 注意 问题 预览 js 原生 图片 选择 简析 await async 场景 使用 adblock 攻守 变砖 arris ac1750 sbr webview file android input 上传 全屏 浏览器 方法 实现 brad google go fitzpatrick 程序员 正文 提取 新闻 老旧 服务器 笔记本 改造 记录 文本 ubuntu socks5 代理 依赖 安装

最近发表

最近浏览